3. Python 环境准备：Python 安装、虚拟环境搭建、Jupyter Notebook 配置、常用库安装

在开始数据质量检测之前，搭建一个干净、可复现的 Python 开发环境是第一步。本章将引导你完成从 Python 解释器安装到常用数据科学库配置的全流程，并重点介绍虚拟环境与 Jupyter Notebook 的集成方案。

3.1 Python 解释器安装

推荐使用 Python 3.9 及以上版本（当前稳定版为 3.12.x），以兼容最新的数据质量检测库。安装方式根据操作系统略有差异：

3.2 虚拟环境搭建

虚拟环境可以为每个项目隔离依赖库，避免版本冲突。Python 3.3+ 内置 venv 模块，无需额外安装。以下是标准操作流程：

1. 创建虚拟环境： python -m venv data_quality_env
2. 激活虚拟环境：
   • Windows: data_quality_env\Scripts\activate
   • macOS/Linux: source data_quality_env/bin/activate
3. 退出虚拟环境： deactivate

下面通过一张流程图展示虚拟环境在项目开发中的核心作用：

3.3 Jupyter Notebook 配置

Jupyter Notebook 是数据探索和原型验证的首选工具。在虚拟环境中安装并注册内核，可以实现环境与 Notebook 的绑定：

# 1. 确保虚拟环境已激活
# 2. 安装 Jupyter
pip install jupyter

# 3. 将当前虚拟环境注册为 Jupyter 内核
python -m ipykernel install --user --name=data_quality_env --display-name="Python (data_quality)"

# 4. 启动 Jupyter Notebook
jupyter notebook

3.4 常用库安装

数据质量检测涉及数据读取、统计分析、可视化与报告生成。以下库是课程的核心依赖：

批量安装推荐使用 requirements.txt 文件：

# requirements.txt
pandas>=2.0.0
numpy>=1.24.0
great_expectations>=0.18.0
pandas-profiling>=3.6.0
matplotlib>=3.7.0
seaborn>=0.12.0
jupyter>=1.0.0
ipykernel>=6.25.0

# 在虚拟环境中执行
pip install -r requirements.txt

3.5 环境验证脚本

安装完成后，运行以下脚本验证环境是否就绪：

import sys
import pandas as pd
import numpy as np
import great_expectations as ge
import matplotlib.pyplot as plt

print(f"Python 版本: {sys.version}")
print(f"pandas 版本: {pd.__version__}")
print(f"numpy 版本: {np.__version__}")
print(f"Great Expectations 版本: {ge.__version__}")

# 快速测试：创建 DataFrame 并检查
df = pd.DataFrame({'A': [1, 2, None], 'B': [4, None, 6]})
print("\n缺失值统计：")
print(df.isnull().sum())
print("\n环境准备完成！")